DATA ANALYTICS EN LA PRACTICA AVANZADO

Tomar decisiones adecuadas y basadas en ciencia de datos.
Utilizar la ciencia de datos para aplicar Data Analytics y Machine Learning.
Dominar frameworks y lenguajes de programación para desencadenar proyectos de Data Analytics y Machine Learning.

CONTENIDOS

SESION 1

Visual Studio.
Git Hub y Markdown.
Variables, control de flujos y funciones en Python.
Programación en Python con asistencia de Codeium y ChatGPT.

SESION 2

Feature engineering (data de desarrollo de negocio y ventas).
EDA (Exploratory Data Analysis) (data de desarrollo de negocio y ventas).
Pruebas de hipótesis, test de normalidad y análisis de relación y diferencias (data de desarrollo de negocio y ventas).
Análisis de correlación, colinealidad (data de desarrollo de negocio y ventas).

SESION 3

Machine Learning Aprendizaje Supervisado (training and test) (data de operaciones y producción).
Estandarización, regularización y optimización (data de operaciones y producción).
Clasificación (data de operaciones y producción).
Regresión (data de operaciones y producción).
Uso del modelo.

SESION 4

Machine Learning Aprendizaje no Supervisado.
Reducción de features (data de marketing).
PCA para la reducción de la dimensionalidad (data de marketing).
Clustering para la optimización de muestra (data de marketing).
Clustering para agrupación de tipologías de clientes (data de marketing).
Series temporales (data de finanzas).
Aplicación de modelos.

ONLINE

Virtual Class Training (videoconferencia).
Sesiones de 3 horas.

GRUPOS

Máximo 12 personas.

MATERIAL

Scripts, plantillas y bases de datos.
Documentación mediante Github.
Grabación multimedia de la formación.

REQUISITOS

Es recomendable conocimientos previos en Python. Dicho lo cual se puede asistir sin estos conocimientos ya que se trabaja con plantillas y scripts creados, y asistentes como Codeium y ChatGPT para facilitar la labor de programación.
Es recomendable disponer de los conocimientos conceptuales del taller de Data Analytics en la Práctica.